Eugen Soloviov
Trading-systems engineer
Trading-systems engineer building bots since 2017: cross-exchange arbitrage (connected up to 30 venues), cointegration-based pairs arbitrage across spot and futures, scalping, news and sentiment-driven strategies, trend algorithms, and portfolio management and balancing algorithms. Also builds sub-millisecond order execution, big-data warehouses, backtesting engines, AI agents, and trading interfaces (incl. open-source profitmaker.cc). Stack: JS/TS, Python, Rust/Zig/Go, DevOps, backend, frontend, architecture.
Articles
+702% on SOL. Where Is Jev in This Backtest?
We ran a trend strategy across 15 crypto pairs, checked costs and access to future candles, and tested Jev separately. Where did profits appear, and why can't we promise them in live trading yet?
リターン方向予測の XGBoost：クラス不均衡と決定しきい値
リターン方向分類器は不均衡な問題であり、0.5 は正しい決定しきい値ではありません。暗号資産データで scale_pos_weight、焦点損失、精度制約付きしきい値最適化を比較し、XGBoost、LightGBM、CatBoost のエンジニアリング上の違いも説明します。
転送エントロピー：暗号資産間の情報はどちらへ流れるのか？
DCC-GARCH は暗号資産の依存関係がいつ強まるかを示す。転送エントロピーはその方向を示す。方向付き情報フローの指標、その帰無校正、そして平均ペア相関を超えて何を加えられるか、何を加えられないかを正直に説明する。
Trade Classification When You Have No Side Flag: Tick, Quote, Lee-Ready, BVC
Reconstructing trade direction from OHLCV, bar history, or venues without an aggressor flag — the classic rules, the stale-quote problem, bulk volume classification, and how to measure them against crypto's free ground truth.
Irregular Time in Tick Models: Continuous-Time Encodings vs. Plain Positional Embeddings
Sequence models fed tick data still assume regular spacing. Three ways to tell a Transformer when a tick actually happened — learnable-timescale continuous encoding, ODE-RNN latent state, and delta_t as a plain feature — and the ablation that decides between them.
トレーディング戦略を評価するための合成コントロール法
このシリーズでは、偽のエッジへ至る選択経路を評価してきた——DSR は勝者を、PBO は探索を評価する。しかし交絡には触れていない。導入した週にボラティリティが倍になったために利益を出した戦略だ。合成コントロール法は、手を加えていない銘柄のドナープールから重み付き反実仮想を作り、反証基準とプラセボ p 値を与える。
確率予測のスコアリング：CRPS、PIT キャリブレーション、DeepAR
予測分布を正直に評価する方法——適正スコアリングルールとしての CRPS、キャリブレーション診断としての PIT ヒストグラム、そして GluonTS における DeepAR サンプリング。
オプション価格評価のための物理法則情報ニューラルネットワーク
ヘストン、自由境界、ジャンプ拡散の価格評価 PDE をニューラルネットワークの損失に組み込む方法——対数価格残差、混合偏導関数を自動微分で求める工夫、そして今後測定すべきこと。
PCMCI: Causal Discovery in Multivariate Crypto Time Series
How PCMCI's two-stage MCI test recovers directed causal links between crypto assets where correlation and bivariate Granger cannot — the construction, the tigramite pipeline, and the real-data study it still needs.
Order Flow Imbalance: The Cont-Kukanov-Stoikov Event Decomposition
Turning raw book updates into a signed flow quantity: the CKS event decomposition, multi-level OFI with PCA reduction, and Lee-Ready trade classification — plus an honest accounting of what the headline R-squared actually measures.
Neural ODEs: Does Continuous Time Beat a Delta-Time Feature?
Neural ODEs, Neural SDEs and continuous normalizing flows for irregularly-sampled market data — and the one ablation that decides whether continuous dynamics are worth their solver cost.
Multi-Task Learning for Simultaneous Price, Volume, and Volatility Prediction
Does jointly predicting return, volume, and volatility actually help? Measuring loss-balancing schemes and diagnosing negative transfer through gradient cosine similarity — with a classical baseline and purged walk-forward folds.